一种利用电力人工智能的大气污染用户识别系统及方法技术方案

本申请公开了一种利用电力人工智能的大气污染用户识别系统及方法，主要涉及人工智能技术领域，用以解决现有的方法对大气污染用户误判率较高、特征无法充分表征数据中信息量等问题。包括：数据预处理模块，用于进行原始用户用电数据的缺失补全；获得离散特征和连续特征；获得最终用户用电数据；污染预测模块，用于将最终用户用电数据分为训练集和验证集，并转化成深度网络训练输入格式；完成CNN算法和LightGBM算法的训练；获得融合算法；通过融合算法，获得用户是污染用户的概率。本申请通过上述方法提升了大气污染用户预测精度，降低了误报率，并且在不同验证集上具有鲁棒性。并且在不同验证集上具有鲁棒性。并且在不同验证集上具有鲁棒性。

【技术实现步骤摘要】
一种利用电力人工智能的大气污染用户识别系统及方法


[0001]本申请涉及人工智能
，尤其涉及一种利用电力人工智能的大气污染用户识别系统及方法。

技术介绍

[0002]随着工业技术的快速发展，环境污染问题引发社会关注。加强污染防治和生态建设，需要坚持以数据化创新驱动环境质量改善。随着电力全覆盖和碳排放在线实时监视终端的部署与推进，开始利用电力大数据进行大气污染排放用户识别。
[0003]现阶段，利用电力大数据进行大气污染用户识别的方法主要有：（1）基于污染企业的用电规律进行用电阈值设定以违规生产研判的方案，但是由于使用时存在日常非生产用电数据干扰，导致误判率较高；（2）利用负荷预测进行大气污染排放预测的方案不能直接识别超限排放用户，但是还需要通过污染排放预测结果进一步识别用户；（3）利用机器学习算法，但从用户用电信息中构建特征时，无法解决使特征可以充分表征数据中信息量，但又不对算法造成误导这一问题。

技术实现思路

[0004]针对现有技术的上述不足，本专利技术提供一种利用电力人工智能的大气污染用户识别系统及方法，以解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用电力人工智能的大气污染用户识别系统，其特征在于，所述系统包括：数据预处理模块，用于将原始用户用电数据导入训练好的SMOTE算法，基于预设Over
‑
sampling少数类和预设Under
‑
sampling多数类，进行原始用户用电数据的缺失补全；将补全好的用户用电数据导入随机森林算法进行特征排序，以获得离散特征和连续特征；对离散特征进行one
‑
hot编码处理，对连续特征进行归一化处理，以获得最终用户用电数据；污染预测模块，用于将最终用户用电数据分为训练集和验证集，并转化成深度网络训练输入格式；基于训练集和验证集，完成CNN算法和LightGBM算法的训练；完成训练好的CNN算法和LightGBM算法的算法融合，以获得融合算法；通过所述融合算法，获得用户是污染用户的概率。2.根据权利要求1所述的利用电力人工智能的大气污染用户识别系统，其特征在于，污染预测模型包含CNN算法单元；所述CNN算法单元，用于将训练集导入CNN算法，以通过CNN算法中四个卷积核大小为3的卷积层、预设激活函数、两个全连接层，输出训练集对应的预测数据；确定所述预测数据的准确率，当所述准确率大于预设阈值时，确定CNN算法训练完成。3.根据权利要求2所述的利用电力人工智能的大气污染用户识别系统，其特征在于，所述卷积层的通道数分别为32、64、128、128，且每个卷积层后连接一个池化层。4.根据权利要求1所述的利用电力人工智能的大气污染用户识别系统，其特征在于，污染预测模块包括第一融合单元；所述第一融合单元，用于通过Bagging算法完成训练好的CNN算法和LightGBM算法的算法融合。5.根据权利要求1所述的利用电力人工智能的大气污染用户识别系统，其特征在于，...

【专利技术属性】
技术研发人员：秦余，李强，张晓航，邱镇，黄晓光，白景坡，王兴涛，卢大玮，李文璞，靳敏，李小宁，徐凡，
申请(专利权)人：国网信息通信产业集团有限公司，
类型：发明
国别省市：